条件化 CBR 案例库脚手架

案例库为什么会变成「看过的故事」

很多团队给 Agent 加案例库后，检索命中率反而下降。常见翻车姿势有三种：只存成功叙事不存失败案例，导致 Agent 产生锚定偏误；检索键写死为特定领域的术语，换个任务就检索不到；没有遗忘机制，随着时间推移过期案例压制有效信号(swamping)。

本技能解决的就是这些问题。它不是「建库工具」，而是一套方法注入器：在确认目标 skill 满足条件后，把 CBR(案例推理)的完整工作流嵌入到该 skill 自身的 SKILL.md 中。

核心机制与关键步骤

核心能力体现在五个强约束的步骤中：

• 先过 fit-check 再动手：用芒格「发现无效就避免做」的条件门做前置判定。如果 skill 是确定性单路径任务（如格式转换、JSON 校验），直接拒绝建库，避免引入噪声。
• 参数化检索键：强制与用户共同定义领域受控词表，如 target_type、techniques、context。绝不硬编码，确保案例能跨任务复用。
• 先抽象后叙事 + 成败配对：每个案例必须先提炼方法模板(tradecraft)，且每个成功技法都尽量配对失败或近失案例，以对抗锚定偏误。
• 验证驱动的质量门：脚手架搭建后必须实际读回产物验证合法性（如检查 INDEX.md 表头、SKILL.md 注入段是否合法），禁止纯 AI 自评。
• 遗忘机制：当案例数超过 50 或出现大量过期案例时，自动归档最旧或最弱的案例，避免库膨胀。

适用边界与注意点

这个技能有明显的适用边界。它只适用于包含「不确定性下的判断与手艺(tradecraft under uncertainty)」且经验积累能提升产出的 skill，例如调查、分析、诊断或谈判类。

对于有唯一正确输出的确定性任务，强行建库反而增加维护负担。另外，自动沉淀(Retain) 必须在遇到未公开隐私信息或用户明确要求「不要记」时，配置跳过条件，防止敏感源泄漏到案例库中。